[发明专利]路侧停车检测方法、系统及电子设备在审
申请号: | 202210701367.0 | 申请日: | 2022-06-20 |
公开(公告)号: | CN115171053A | 公开(公告)日: | 2022-10-11 |
发明(设计)人: | 管文龙;徐博文;神克乐;胡露露;江璐;龙一民;陈新;周浩;荆碧晨 | 申请(专利权)人: | 阿里云计算有限公司 |
主分类号: | G06V20/54 | 分类号: | G06V20/54;G06V20/62;G06V10/82;G06V10/94;G06V10/96 |
代理公司: | 北京太合九思知识产权代理有限公司 11610 | 代理人: | 柴艳波 |
地址: | 310012 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 停车 检测 方法 系统 电子设备 | ||
1.一种路侧停车检测方法,其特征在于,适用于路侧设备,所述方法包括:
采集路侧停靠车辆的图像;
利用多任务检测模型对所述图像进行检测,以关联输出车辆标识及关键点信息;
根据所述关键点信息,判定所述车辆是否符合停车入位要求;
将判定结果与所述车辆标识关联,作为所述车辆的路侧停车数据。
2.根据权利要求1所述的方法,其特征在于,所述多任务检测模型包括:
特征提取网络,用于对所述图像进行特征提取,得到第一特征信息;
特征融合层,用于对所述第一特征信息进行融合,得到第二特征信息;
第一分支网络,用于对所述第二特征信息进行处理,输出车辆标识;
第二分支网络,用于对所述第二特征信息进行处理,输出关键点信息。
3.根据权利要求2所述的方法,其特征在于,所述多任务检测模型还包括:
第三分支网络,用于对所述第二特征信息进行处理,输出表征所述车辆位置的检测框。
4.根据权利要求3所述方法,其特征在于,所述关键点信息包括:所述图像中车辆对应检测框的锚点以及车辆底盘关键点。
5.根据权利要求3所述的方法,其特征在于,所述图像为视频中的一帧;以及所述方法还包括:
利用所述多任务检测模型对所述视频中的多帧图像进行检测,以关联输出反映所述车辆行为的行为信息、车辆标识及关键点信息;
其中,所述行为信息包括:从各帧图像中检测出的所述车辆对应检测框的锚点。
6.根据权利要求5所述的方法,其特征在于,还包括:
根据所述行为信息,确定所述车辆的状态;
所述状态为停车状态时,确定停车起始时间,并将所述停车起始时间与所述车辆标识关联;
所述状态为停车状态后,触发所述根据所述关键点信息判定所述车辆是否符合停车入位要求的步骤;
所述状态为驶离状态时,确定驶离时间,并将所述驶离时间与所述车辆标识关联。
7.根据权利要求6所述的方法,其特征在于,还包括:
根据所述停车起始时间、判定所述车辆是否符合停车入位要求的判定结果及驶离时间,计算所述车辆标识对应车辆的停车费用。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述关键点信息包括:车辆底盘上多个车轮分别对应的关键点;以及
根据所述关键点信息,判定所述车辆是否符合停车入位要求,包括:
获取所述图像中所述车辆停车位置处的停车位轮廓线;
根据所述停车位轮廓线及所述车辆底盘多个车轮分别对应的关键点,判定所述车辆是否符合停车入位要求;
判定结果为不符合停车入位要求时,基于所述停车位轮廓线及所述车辆底盘多个车轮分别对应的关键点,确定所述车辆的违规方式;
其中,所述违规方式包括如下中的至少一种:压线、跨位。
9.一种路侧停车检测方法,其特征在于,适用于服务端,所述方法包括:
获取训练集中的训练样本,其中,所述训练样本包括样本图、第一标签及第二标签;所述第一标签为所述样本图中车辆的车辆标识,所述第二标签为所述样本图中车辆的关键点信息;
将所述样本图作为多任务检测模型的入参,执行所述多任务检测模型以关联输出与车辆标识相关的第一结果以及与车辆关键点信息相关的第二结果;
根据所述第一结果与所述第一标签,以及所述第二结果与所述第二标签,对所述多任务检测模型中参数进行优化;
待所述多任务检测模型完成训练后,将完成训练的所述多任务检测模型发送至路侧设备,以便所述路侧设备利用所述多任务检测模型对采集到图像进行检测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里云计算有限公司,未经阿里云计算有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210701367.0/1.html,转载请声明来源钻瓜专利网。